学习对象
金融企业IT部门员工；具有2-3年IT部门工作经验，将负责金融企业信息化系统规划、需求整理等相关任务的技术人员；
课程目标
培训目标：　1、了解金融企业数据治理的方法都有哪些；　2、熟悉金融企业数据治理的平台与工具；　3、掌握基于CRM和CIF需求建立数据治理的方法；　4、掌握基于风险管理需求建立数据治理的方法；　5、了解建设CIF模型与风险管理模型及其需要哪些数据；　6、市场上常见的CRM系统和RM系统的种类及其特点。　课程设计思路：　在金融企业中，数据是可以产生巨大效益的资产，数据产生效益的前提是数据应要尽可能准确地反应事实。只有接近真实的数据，其分析结果才是可信和可行的，才能真正实现数据产生效益的目标。数据治理正是为帮助数据尽可能接近事实而产生的，它至少包括数据架构、数据质量、数据管理组织等多个领域。　我们所面临的问题是，在金融企业中，怎样通过数据治理搭建数据架构、提升数据质量、建设数据管理组织呢？另一方面，数据治理还包括了企业级数据架构及其维护工作，那么，在实践中怎样实现面向这两种应用的数据治理工作呢？　本课程根据教师多年来从事金融行业数据治理的实践，以及对这个领域理论研究的结果，通过问题分析与案例分析，深入阐述在实际工作中，金融企业如何实现数据治理、建设数据架构、提升数据质量、组建数据治理团队的方法，以及在基于客户关系管理（CRM）和风险管理（RM）两项业务中实现数据治理的过程。　另一方面，本课程还介绍了CRM系统和风险管理系统常见的应用种类、系统架构及多种解决方案的特点，以方便金融企业进行系统选型时借鉴与参考。　　　本课程的授课方式是以案例驱动的，但更确切地说是问题驱动的，案例分析仅仅是营造问题讨论背景的一个手段。我们将深入思考在这个案例背景下，如何进行系统化思考并寻找出解决问题的方法。通过与学员分享近年来国内金融企业已经实施的实际项目案例经验，力求达到“切实、有用地帮助金融企业实现数据治理”的目标。
课程内容
培训内容　第一天：　金融企业数据治理概述　上午：金融企业数据质量与数据治理组织建设　所解决的问题包括：　数据治理的目标是什么？常规数据治理的八个组成部分包括哪些内容？　为实现数据治理，怎样搭建数据治理团队？　数据治理团队的岗位职责与管理流程是什么样的？　数据质量管理项目的特点和目标有哪些？　优化数据质量的方法有哪些？　选择数据质量管理技术平台与工具产品的方法？　　下午：金融企业元数据与数据标准　所解决的问题包括：　金融企业元数据有哪些种类？　金融企业元数据的技术架构体系有哪些种类？　数据标准与金融企业数据模型的关系？　常见企业数据模型的实体与逻辑模型有哪些？　单一系统数据质量检查与集成系统数据质量检查有何不同？　数据治理平台与工具的技术架构？　数据治理项目的实施方法论与项目过程的控制点有哪些？　第二天：　CIF模型帮助实现客户主数据治理　上午：CRM与CIF模型　所解决的问题包括：　金融企业CRM体系的组成部分有哪些？　金融企业CRM系统可以解决哪些问题？不能解决哪些问题？　案例分析：CRM中绩效考核指标与管理方法。　案例分析：金融企业CRM系统相关产品与成功案例。　案例分析：怎样实现金融企业的客户细分？　　下午：CIF模型帮助实现客户主数据治理　所解决的问题包括：　为什么说CIF模型是CRM系统的核心？　如何细分CIF模型的组成实体与主要域的关系？　如何细分CIF系统与DW系统之间的关系？　CIF模型怎样处理冗余数据？　CIF模型怎样实现多个金融系统间的快速同步？　案例分析：怎样通过CIF模型实现客户主数据治理。　第三天：　数据治理帮助准备风险度量数据　上午：金融风险管理方法与金融风险系统　所解决的问题包括：　常见风险系统有哪些？面向哪些应用？　资产负债管理及其系统有哪些常见功能？　内部评级方法及其系统常见功能有哪些？　案例分析：操作风险度量方法及其系统常见功能。　　下午：搭建风险数据集市　所解决的问题包括：　风险数据集市的种类和风控应用有哪些？　各类风控数据集市常见的数据集是怎样的？　怎样设计风控数据集市的数据周期？　怎样运用风控数据集市实现风险度量？　怎样运用数据标准搭建风控数据集市？